肺癌脑转移为最常见的颅内转移瘤,目前肺癌脑转移的起源及驱动因素仍不清楚。因此小编今天给大家分享一篇1月发表在Neuro-Oncology(IF:13.029)杂志上使用单细胞公共数据研究肺腺癌脑转移风险的生信文章。文章使用差异基因表达,功能富集,拷贝数推断及伪时序分析等方法对肺腺癌脑转移的微环境、临床结局、转移风险及潜在药物进行了全面分析,感兴趣的小伙伴不要错过呀。
Single-cell transcriptomic analyses provide insights into the cellular origins and drivers of brain metastasis from lung adenocarcinoma
单细胞转录组解析肺腺癌脑转移的细胞起源和驱动因素
一. 研究背景
脑转移(BM)是最常见的颅内恶性肿瘤,大约30%的实体肿瘤都会导致颅内转移,其中肺癌脑转移的发病率最高。此外,肺癌脑转移患者的预后非常差,治疗选择也有限,且肺腺癌(LUAD)脑转移的细胞起源和驱动因素尚未明确。因此,识别早期BM高危患者尤为重要。
二. 文章摘要
研究对11例肺腺癌原发肿瘤(PT)和10例BM样本的单细胞转录数据进行了分析。研究首先探索了患者的细胞组成,并应用拷贝数变异(CNV)和克隆性分析来揭示BM肿瘤的细胞起源。此外,研究也通过伪时序分析识别脑转移相关上皮细胞(BMAECs)。接着研究基于机器学习建立了预测组织RNA-seq数据中BMAECs相对丰度的BM指数,并分析了BM指数的预后价值。最后研究根据肿瘤细胞系药物敏感性数据对靶向BMAECs的药物进行了预测。
三. 文章的主要内容及结果
1. LUAD PT和BM样本的单细胞转录组分析揭示细胞组成和免疫微环境差异
研究首先对LUAD PT和BM样本的肿瘤微环境进行了分析。研究的总体工作流程如图1A所示,在对scRNA-seq数据进行质控后,研究将PT和BM样本的细胞划分为23个亚群并进行了注释(图1B和C),结果发现免疫细胞在PT和BM样本中比例均较高,而转移性上皮细胞(ECs)及T细胞和巨噬细胞则在BM中比例更高(图1D和E)。研究也观察到LUAD原发和转移样本的细胞构成完全不同(图1F)。
接下来研究对免疫细胞和神经胶质细胞进行了重聚类。研究将7083个巨噬细胞划分为10个不同的亚群,这些亚群被划分为4个亚型(图2A和B),其中M1型巨噬细胞在PT和BM样本中均最多,而免疫抑制型M2型巨噬细胞在BM中占比更高(图2C)。接着研究通过GSVA发现来自BM的巨噬细胞富集到缺氧、P53信号和DNA修复等通路,而来自PT的巨噬细胞中干扰素γ反应、炎症反应和TGF-β信号通路被激活(图2D)。此外,19736个T细胞被重聚类成17个亚群,并被注释为9个亚型(图2E和F),结果观察到CD4+ T细胞在PT和BM样本中均占比较高(图2G)。GSVA分析发现KRAS信号通路在BM的T细胞中被激活,而G2/M检查点和TGF-β信号通路在PT的T细胞中被激活(图2H)。
2. CNV和克隆分析揭示BM肿瘤的细胞来源
这一部分研究进行了CNV和克隆分析来探索BM肿瘤的细胞起源。研究利用inferCNV推断了PT(图3A)和BM(图3B)样本ECs的CNV和克隆性。PT样本中有1517个CNV评分高的内皮细胞被认为是恶性的,819个评分低的被认为是非恶性的(图3C)。考虑到脑组织中没有固有的ECs,因此来自BM样本的全部ECs都被认为是恶性的,BM中CNV评分低的细胞非常少(图3D)。接下来研究利用进化系统发生树展示肿瘤克隆性和恶性肿瘤细胞的进化(图3E),结果在所有BM恶性细胞中均观察到染色体7p和7q扩增(图3F),此外位于7号染色体上的36个基因的拷贝数扩增也被PT中有7p或7q扩增的6个亚克隆细胞亚群共享(图3G)。研究还发现位于PT 7号染色体上的100个基因的拷贝数扩增也存在于BM 7p或7q扩增的亚克隆中(图3H)。研究也发现当LUAD转移到脑时,7号染色体上35个基因的拷贝数扩增保持不变,BM样本额外产生65个基因扩增(图3I)。为了进一步评估PT和BM样本的瘤内异质性,研究基于恶性细胞转录组学特征来计算每个样本的多样性评分,结果发现PT的多样性评分显著高于BM(图3J),而PT中恶性细胞的比例显著低于BM (图3 k)。GSVA也发现MYC靶点、PI3K/Akt/mTOR信号通路、上皮-间充质转化(EMT)和细胞代谢相关通路在BM的恶性细胞中显著激活(图3L)。
3. 伪时序轨迹识别与BM相关的特定EC亚群
这一部分研究通过伪时序分析识别了与BM相关的EC亚群。研究将来自PT和BM样本的7064个恶性ECs(图4A)分为11个亚群,并命名为EC0-10(图4B)。接着对这些细胞进行伪时序分析,结果观察到来自PT和BM的ECs基本上遵循相似的分化轨迹,并参与了7种细胞状态的转换过程(图4C)。在这些细胞亚群中,只有EC2由来自PT和BM样本的细胞组成。因此,研究进一步对EC2进行了伪时序分析,得到了由细胞命运决定的三个细胞状态(图4D;S1-3),其中状态S2主要富集于BM细胞,状态S3主要富集于PT细胞,状态S1在PT和BM中均富集(图4E)。GSVA发现在三种细胞状态中分子通路的激活高度不同(图4F)。随后,研究进行了分支表达分析模型(BEAM)分析来确定这三种状态下的分支依赖性基因,总共识别了45个基因,它们可以调节从状态S1(前分支)到S2(细胞命运1)和S3(细胞命运2)的细胞分化过程(图4G)。此外,由于EC2经历了从祖细胞到两种不同命运细胞的转换,因此EC2细胞被定义为BMAECs。GSVA分析发现大多数癌症相关通路在BMAECs中被激活(图4H)。
4. 在PUMCH队列中验证BMAECs与转移和预后关联
这一部分研究对BMAECs与转移及预后的关联进行了分析。研究首先识别了ECs和EC2的标记基因,接着取交集作为BMAECs的标记基因。然后,将BMAECs的31个标记基因与跨细胞状态的45个分支依赖基因取交集,并将交集的6个基因定义为BMAECs最具代表性的基因(图5A),并选择S100A9作为BMAECs的标志物,结果研究使用标志物有效区分了PT和BM中的S100A9+EPCAM+恶性细胞和S100A9+炎性细胞(图5B)。接着研究对30例LUAD PT样本、37例BM样本和33例NMPT样本中的BMAEC(S100A9)和EC(EPCAM)标志物进行了共定位染色,结果在PT和BM样本中观察到S100A9和EPCAM共表达的BMAEC,不过PT和BM(图5C)以及MBM和PBM样本中BMAEC的比例无显著差异(图5D)。接下来研究通过ROC分析观察到BMAEC比例在识别LUAD PT脑转移和NMPT方面具有良好的性能(图5E,F)。此外,生存分析显示BMAEC比例高的LUAD患者MFS显著较差(图5 G),而OS无显著差异(图5H)。
5. TCGA-LUAD队列中BM指数与临床病理特征的相关性
这一部分研究分析了BM指数与临床病理特征的相关性。研究应用OCLR算法基于组织RNA-seq数据计算了499例TCGA LUAD患者的BM指数,以代表BMAECs的相对丰度(图6A)。研究观察到BM指数从TNMⅰ期到ⅳ期显著升高,但T1期显著低于T2-4期, N0期显著低于N1-3期。接着单因素和多因素Cox回归分析表明,BM指数是TCGA LUAD队列中OS和DFS的独立预后预测因素。K-M生存分析显示,高BM指数患者的OS及DFS明显较差(图6B,C)。这代表BMAECs丰度越高,LUAD患者的TNM分期越高,预后越差。
6. 识别高BM指数患者及靶向BMAECs的治疗药物
在后一部分研究对抑制LUAD脑转移的潜在治疗药物进行了预测。研究采用两种不同的方法来确定抑制LUAD脑转移的候选药物,分别为靶向BMAECs和对高BM指数敏感的药物(图6D)。研究获得了78个CTRP衍生的化合物和65个PRISM衍生的化合物用于靶向BMAECs,23个CTRP衍生的化合物和171个PRISM衍生的化合物用于高BM指数患者。通过取交集,最终确定2种CTRP衍生药物和5种PRISM衍生药物为治疗脑转移的候选药物,其与BM指数呈负相关(图6E)。其中拉帕替尼是抑制肺癌脑转移的首选药物,研究观察到拉帕替尼的药物靶点EGFR、ERBB2、RIPK2在BMAECs中高表达,并且与AUC呈负相关(图6F)。同样,ERBB3、PIK3C2B、EGFR和ERBB2在高BM指数患者中高表达,并且与AUC呈负相关(图6G)。此外,该药物的蛋白靶点EGFR、EGFR- pY1068也在高BM指数患者中高表达,且与AUC呈负相关(图6H)。因此,EGFR被确定为拉帕替尼治疗肺腺癌脑转移的潜在靶点。
到这里这篇文章的主要内容就介绍完了。文章使用公共数据库的单细胞转录组数据,通过研究PT及BM样本的基因表达模式,富集功能,免疫微环境组成,上皮细胞分化轨迹等差异对肺腺癌脑转移的细胞起源和驱动因素进行了详细全面的分析。文章内容丰富,逻辑清晰,有理有据,用到的方法都比较经典,是一篇十分具有参考价值的单细胞生信分析文章。